一款結合生成式 AI、語音互動與多模態分析的個人面試教練 App。涵蓋學測個人申請、MMI 多站式面試、求職面試、學習歷程檢核與履歷健檢，協助學生與求職者從資料準備、實戰演練到表現分析，建立一套可以反覆練習與持續改善的完整準備流程。
功能亮點
在準備升學或求職面試時，多數人即使事先整理了大量資料，仍然缺少真正開口練習的機會。傳統題庫通常只能提供固定題目，難以根據個人背景與回答內容深入追問；而尋找老師、顧問或學長姐陪練，也往往受到時間、地點與費用限制。
inif 的開發初衷就是為了解決這個問題。它不只是提供題目的模擬面試工具，而是一套涵蓋「資料檢核、情境生成、語音實戰、動態追問與個人化回饋」的 AI 面試訓練平台。
使用者可以上傳學習歷程或履歷，指定目標校系、公司與職位，由 AI 根據個人經歷與申請情境生成題目。在面試過程中，系統會依照回答內容繼續追問；完成練習後，再透過逐題點評、能力指標與表達分析，協助使用者找出真正需要加強的部分。
使用體驗
學測個人申請
- 校系情境模擬：指定申請學校與科系後，AI 會結合校系特色、能力需求與常見面試方向，產生更符合實際情境的問題。
- 學習歷程匯入：支援上傳 PDF 備審資料，讓 AI 根據使用者的學習經歷、作品與申請動機進行針對性提問。
- 動態追問模式：AI 不只依序念出固定題目，而會根據使用者當下的回答延伸追問，模擬教授深入確認動機與能力的對答壓力。
- 自訂練習強度：可依照準備進度選擇不同的面試時間，在短時間暖身與完整模擬之間彈性調整。
- 影音面試分析：支援錄音與錄影作答，除了分析回答內容，也能針對眼神、儀態、肢體動作與語氣表現提供回饋。
MMI 多站式面試
- 多站情境流程：模擬正式 MMI 的進站模式，讓使用者先閱讀情境，再於限制時間內完成回答。
- 多元題型訓練：涵蓋倫理判斷、溝通協調、價值選擇、時事議題與臨場應變等不同題型。
- 分站獨立分析：每個站點皆提供個別評分與建議，協助使用者比較不同能力面向的表現。
- 思維框架檢核：分析回答是否具備清楚的思考架構，並判斷是否適當使用 STAR、SPIES 等組織方式。
求職面試
- 職缺導向提問：輸入目標公司、職位與職缺說明後，由 AI 根據實際工作內容與能力條件安排面試。
- 即時延伸追問：面試官會根據使用者回答的細節繼續深入詢問，避免只靠背誦制式答案完成練習。
- 職缺契合分析：比較回答內容與職缺需求，整理已展現的能力與仍需補強的條件。
- STAR 架構分析：檢查行為面試回答是否完整交代情境、任務、行動與結果，並提供更具說服力的回答方向。
- 語音表達統計：分析語速、停頓與贅字使用情況，協助使用者改善口語表達的節奏與清晰度。
資料檢核與準備
- 學習歷程檢核：從校系需求與教授視角分析備審資料，找出內容中的邏輯斷點、敘述弱點與可能被追問之處。
- 履歷健檢：上傳履歷與目標職位後，檢查內容完整度、版面可讀性、語句表達與職缺相關性。
- ATS 關鍵字分析：比對職缺說明中的重要條件，確認履歷是否清楚呈現相關技能與經歷。
- 逐句修改建議：針對履歷中的描述提供具體改寫方向，強化動詞、成果呈現與專業語氣。
- 優先行動清單：將大量分析結果整理為最應優先改善的項目，降低使用者面對回饋時的資訊負擔。
個人化分析報告
每次面試結束後，inif 都會將練習內容整理為可回顧的完整報告，而不只提供一個缺乏脈絡的總分。
- 能力雷達圖：將回答結構、內容深度、邏輯表達與臨場反應等指標視覺化。
- 逐題回饋：分別整理每題的優點、問題、改善建議與參考回答。
- 回答內容引用：在分析中直接標示使用者實際說過的內容，讓回饋與原始回答建立清楚對照。
- 錄音回放：可重新聆聽每段作答，對照逐字稿與分析結果檢視自己的實際表現。
- 長期練習紀錄：保留不同面試與檢核結果，協助使用者觀察多次練習後的進步與變化。
工程設計
情境化 AI 面試流程
為了避免模擬面試淪為固定題庫，inif 會將使用者的目標校系、學習歷程、履歷、職位與職缺說明轉換為面試情境，再依照不同用途建立對應的提問與評分標準。
升學面試著重申請動機、科系理解與學習經歷；求職面試則關注工作能力、實際成果與職缺契合度；MMI 模式則根據不同站點的情境，調整倫理判斷、溝通能力與思考架構等分析面向。
多模態面試分析
系統不只分析回答的文字內容，也整合錄音、錄影與語音轉錄結果，從回答結構、語言表達、語速、贅字、儀態與眼神等不同面向提供回饋。
透過將內容分析與非語言表現分開處理，inif 能避免只依賴單一分數評斷整場面試，並將結果整理為使用者可以實際理解與改善的報告。
非同步分析與結果管理
面試影片、錄音、PDF 文件與 AI 分析都可能需要較長的處理時間，因此系統將資料上傳、內容分析與結果產生拆分為不同階段。使用者可以清楚掌握目前進度，並在完成後收到通知，不必持續停留於處理畫面。
分析結果則採用結構化格式保存，使不同功能都能共用能力指標、逐題點評、雷達圖與歷史紀錄等呈現方式，維持一致的使用體驗。
跨裝置原生體驗
inif 以原生 Apple 平台介面打造，支援 iPhone、iPad 與 Apple Silicon Mac。不同尺寸的裝置會採用相對應的畫面配置，讓使用者能在手機上快速進行面試，也能在較大的螢幕上閱讀履歷分析與完整報告。
開發技術
- 核心語言與框架：Swift, SwiftUI, Combine
- AI 與多模態分析：Google Gemini API, Generative AI
- 語音與影音處理：Speech Recognition, Text-to-Speech, AVFoundation
- 文件處理：PDF 匯入、文字擷取與結構化內容分析
- 資料與會員服務：Firebase, Cloud Firestore, Firebase Authentication, Cloud Storage
- 系統功能整合：PhotosUI, UserNotifications, Background Tasks
- 跨平台支援：iPhone, iPad, Apple Silicon Mac
- 營收系統：StoreKit, Google Mobile Ads SDK
專案收穫
- AI 原生產品設計：不只是將聊天模型加入 App，而是從資料輸入、情境生成、動態追問到分析報告，設計一套完整且可反覆使用的 AI 工作流程。
- 多場景產品架構：將學測個人申請、MMI、求職面試、學習歷程與履歷健檢整合於同一產品，同時保留各場景不同的提問邏輯與評分標準。
- 語音與影音互動實踐：整合錄音、錄影、語音轉錄與回放功能，建立接近真實面試的操作流程，並處理權限、檔案大小與不同裝置效能等問題。
- 結構化 AI 回饋：將模型產生的文字回覆轉化為能力雷達、逐題點評、框架分析、語音統計與優先改善項目，提升結果的可讀性與實際價值。
- 複雜非同步任務管理：處理大型 PDF、錄音與影片的上傳、分析與狀態更新，累積長時間 AI 任務、錯誤恢復與使用者進度提示的實作經驗。
- 跨平台介面設計：針對 iPhone、iPad 與 Mac 的操作情境設計不同佈局，使同一套功能在行動練習與桌面檢視時都能保持流暢。
- 真實產品迭代：根據升學季、求職需求與實際使用回饋持續新增功能，將最初的模擬面試工具逐步發展為涵蓋資料準備、實戰訓練與成果分析的 AI 個人教練平台。